CN106802946A - 视频分析方法及装置 - Google Patents
视频分析方法及装置 Download PDFInfo
- Publication number
- CN106802946A CN106802946A CN201710022423.7A CN201710022423A CN106802946A CN 106802946 A CN106802946 A CN 106802946A CN 201710022423 A CN201710022423 A CN 201710022423A CN 106802946 A CN106802946 A CN 106802946A
- Authority
- CN
- China
- Prior art keywords
- time point
- sampling time
- behavior
- user
- video
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 64
- 238000005070 sampling Methods 0.000 claims abstract description 224
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000006399 behavior Effects 0.000 claims description 140
- 238000006243 chemical reaction Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 description 22
- 238000003860 storage Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 12
- 238000004891 communication Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 230000009471 action Effects 0.000 description 4
- 230000003542 behavioural effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012800 visualization Methods 0.000 description 3
- 241001269238 Data Species 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012092 media component Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/70—Information retrieval; Database structures therefor; File system structures therefor of video data
- G06F16/73—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Multimedia (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开涉及一种视频分析方法及装置，该方法包括：根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点，其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。本公开实施例能够基于用户行为对视频内容进行分析，快速准确地评价用户对视频内容的反应。
Description
技术领域
本发明涉及互联网技术领域，尤其涉及一种视频分析方法及装置。
背景技术
根据用户观看行为数据对视频内容进行分析研究从而获得用户偏好情况对于视频的运营、推广以及制作都有非常重要的意义。目前，用户观看行为分析主要靠获得用户的反馈(例如评论、弹幕、情绪等)，然而还有大量关于用户停留时间、滚动、悬停、回退等细微行为数据尚未得到充分利用，而海量的细微行为数据对于分析用户对视频内容的反应、直观了解用户的观看习惯具有非常重要的意义。
发明内容
有鉴于此，本公开提出了一种视频分析方法及装置，基于用户行为对视频内容进行分析，快速准确地评价用户对视频内容的反应。
根据本公开的一方面，提供了一种视频分析方法，包括：根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
根据本公开的另一方面，提供了一种视频分析装置，包括：用户兴趣度获得模块，用于根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；第一判断模块，用于在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
根据本公开的另一方面，提供了一种视频分析装置，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为：根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，当所述存储介质中的指令由终端和/或服务器的处理器执行时，使得终端和/或服务器能够执行一种视频分析方法，所述方法包括：根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
通过在视频的采样时间点处用户进行第一行为和第二行为的概率获得用户兴趣度，并根据该用户感兴趣度判断用户对该采样时间点是否喜爱，本公开实施例能够基于用户行为对视频内容进行分析，快速准确地评价用户对视频内容的反应。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开一实施例的一种视频分析方法的流程图。
图2示出根据本公开一实施例的一种视频分析方法的流程图。
图3示出根据本公开一实施例的一种视频分析方法的流程图。
图4示出根据本公开一实施例的一种视频分析方法的流程图。
图5示出根据本公开一实施例的一种视频分析方法的应用场景的示意图。
图6示出根据本公开一实施例的一种视频分析装置的框图。
图7示出根据本公开一实施例的一种视频分析装置的框图。
图8示出根据本公开一实施例的一种视频分析装置的框图。
图9示出根据本公开一实施例的一种视频分析装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
实施例1
图1示出根据本公开一实施例的一种视频分析方法的流程图，所述方法可应用于终端，例如，计算机、手机、平板电脑等，也可应用于服务器。如图1所示，该方法包括：
步骤S11，根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di。
在一种可能的实施方式中，可以针对视频(或视频中的片段)均匀地(也可以不均匀地)设置采样时间点，获取各个采样时间点ti对应的用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi。
其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，例如但不限于快进行为(例如用户向视频尾部拖拽、点击快进键或者向视频尾部滑动屏幕等)，其表示用户对当前视频内容不感兴趣，所述第二行为包括表示用户喜爱所述视频的内容的行为，例如但不限于回退行为(例如用户向视频头部拖拽、点击后退键或者向视频头部滑动屏幕等)，其表示用户对当前视频内容感兴趣。
在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi表示在采样时间点ti用户第一行为/第二行为发生的概率或可能性。第一行为概率和第二行为概率可以根据相关技术，通过服务器收集用户在终端设备上的操作行为并进行统计而获得。
举例来说，服务器可以从大量终端设备收集用户的操作行为，根据视频的点击量(或播放量)和各采样时间点ti用户进行第一行为/第二行为的次数，来估算第一行为概率和第二行为概率。本公开对第一行为概率和第二行为概率的具体统计方式不做限制。
用户兴趣度Di可以表示用户对采样时间点ti处的视频内容的喜爱程度，Di越大表示用户对所述采样时间点ti内容越感兴趣，Di越小表示用户对所述采样时间点ti内容越不感兴趣。用户的第一行为和第二行为的发生概率(即第一行为概率和第二行为概率)可以反映用户兴趣度。本公开不限制根据第一行为概率和第二行为概率获得用户兴趣度的具体方式。
在一种可能的实施方式中，例如，可根据以下公式(1)获得用户兴趣度Di：
Di＝1-(Fi-Bi)×A (1)
其中,A为常数，其主要目的是为了方便结果Di的可视化，换言之，Fi、Bi的值可能偏小，通过A可以更好的体现Di之间的差异，或者使Di更便于后续的处理。
需要说明的是，尽管以上述公式(1)作为示例介绍了获得Di的方式如上，但本领域技术人员能够理解，本公开应不限于此。还可以采用其他方式获得Di的值，例如，通过Fi与Bi的比值等。
步骤S12，在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点。
根据在所述用户兴趣度Di是否满足一定的条件(例如第一条件)，可以判断采样时间点ti是否为用户喜爱的时间点。第一条件可以是表示所述采样时间点ti为用户喜爱的时间点的任意条件，例如可以是判断用户兴趣度Di的大小等，本公开不限制第一条件的具体内容。
在一种可能的实施方式中，所述第一条件可以是：采样时间点ti附近的采样时间点满足第一子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最大值。
其中第一子条件可以是表示用户对采样时间点ti附近的采样时间点感兴趣的任意条件，设置第一子条件的目的是为了增加一个判断约束条件，保证用户喜爱的时间点确实是用户喜爱的时间段中的、用户兴趣度高的时间点，提高判断的准确性。本公开不限制第一子条件的具体内容。
例如，在采样时间点ti-n到ti+n满足第一子条件的情况下，可判断用户兴趣度Di是否大于Di-n到Di+n中的每一个元素，这里的n是一个正整数，n的确定的可以主要依据编剧、编导理论。编剧、编导在成年累月的积累中，早已掌握了一套实用的剧情时间安排策略，以编剧为例，编剧会安排50s(例如，可以是00:10:00-00:10:50)左右的剧情，这50s的剧情对于整个视频内容具有很大的推动作用，往往是用户感兴趣的内容，如果采样的间隔是10s，那么00:10:10、00:10:20、00:10:30、00:10:40和00:10:50都是采样时间点，如果这些采样时间点满足第一子条件，即用户对这些采用时间点处的视频内容感兴趣，则对于采样时间点00:10:30处的Di，如果满足Di分别大于Di-2、Di-1、Di+1和Di+2，则00:10:30为用户喜爱的时间点，此时n＝2。而电视剧、电影、综艺或者动漫等的编剧、编导理论往往不相同，因此n的选择与编剧、编导理论有很大关系，但是与采样的时间间隔也是密切相关的，也就是说n的选择可以基于编剧、编导理论和采样间隔进行适当的选择。
需要说明的是，尽管以通过对50s视频均匀采样获得采样点并根据采样点对视频进行分析为例介绍了视频分析方法如上，但本领域技术人员能够理解，以上关于视频时长、视频进度以及采样点的选取仅仅是为了表示n如何选取的一个示例，本公开应不限于此。事实上，用户完全可根据实际应用场景灵活设定采样时间、视频时长和视频进度等。
在一种可能的实施方式中，所述第一子条件可以是：所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值大于所述视频所有采样时间点的用户兴趣度的均值，也就是说满足以下条件：
其中Dmean表示所述视频所有采样时间点的用户兴趣度的均值；
并且，采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-m的第二行为概率Bi，Bi-1……Bi-m的均值大于所述视频所有采样时间点的第二行为概率的均值，也就是说满足以下条件：
其中Bmean表示所述视频所有采样时间点的第二行为概率的均值；
并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+m的第一行为概率Fi，Fi+1……Fi+m的均值小于所述视频所有采样时间点的第一行为概率的均值，也就是说满足以下条件：
其中Fmean表示所述视频所有采样时间点的第一行为概率的均值。
其中，m同n的选取思路可以相同，m和n可以相同也可以不同。
根据以上描述可知，第一子条件决定了在采样时间点ti附近的一个时间段内，用户对视频内容是基本感兴趣的(即用户感兴趣度高于平均值、第一行为概率低于均值，第二行为概率高于均值)，而用户兴趣度Di又是这个时间段内的最高值，因此可以认为在满足上述条件的情况下，采样时间点ti为用户喜爱的时间点。
上述方式通过对用户的行为进行量化分析实现对视频内容的分析，根据本公开实施例的视频分析方法能够快速的对用户行为信息(例如拖拽行为等)进行分析并转换成直观的数据，实现对视频内容的分析，为视频运营提供参考信息，更好的衔接数据分析和视频运营工作，提高视频运营工作效率。
另外，本公开实施例的分析方法完成了编剧、编导的“艺术”信息到数学的转化，可以为视频创作、编剧、编导或者审查提供参考信息，有助于视频创作、编剧、编导事业的发展。
图2示出根据本公开一实施例的一种视频分析方法的流程图，图2中标号与图1相同的步骤具有相同的功能，为简明起见，省略对这些步骤的详细说明。如图2所示，所述方法还包括：
步骤S13，在所述用户兴趣度Di满足第二条件的情况下，将所述采样时间点ti判断为用户不喜爱的时间点。
第二条件可以是表示所述采样时间点ti为用户不喜爱的时间点的任意条件，例如可以是判断用户兴趣度Di的大小等，本公开不限制第二条件的具体内容。
在一种可能的实施方式中，所述第二条件可以是：采样时间点ti附近的采样时间点满足第二子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最小值。
其中第二子条件可以是表示用户对采样时间点ti附近的采样时间点不感兴趣的任意条件，设置第二子条件的目的与第一子条件类似，是为了增加一个判断约束条件，保证用户不喜爱的时间点确实是用户不喜爱的时间段中的、用户兴趣度低的时间点，提高判断的准确性。本公开不限制第二子条件的具体内容。
例如，在采样时间点ti-n到ti+n满足第二子条件的情况下，可以判断用户兴趣度Di是否小于Di-n到Di+n中的每一个元素，这里的n是一个正整数，n的确定可以主要依据编剧、编导理论，参见上文的描述。
在一种可能的实施方式中，所述第二子条件可以是：所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值小于所述视频所有采样时间点的用户兴趣度的均值，也就是说满足以下条件：
其中Dmean表示所述视频所有采样时间点的用户兴趣度的均值；
并且
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-m的第二行为概率Bi，Bi-1……Bi-m的均值小于所述视频所有采样时间点的第二行为概率的均值，也就是说满足以下条件：
其中Bmean表示所述视频所有采样时间点的第二行为概率的均值；
并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+m的第一行为概率Fi，Fi+1……Fi+m的均值大于所述视频所有采样时间点的第一行为概率的均值，也就是说满足以下条件：
其中Fmean表示所述视频所有采样时间点的第一行为概率的均值。
其中，m同n的选取思路可以相同，m和n可以相同也可以不同。
另外，在一种可能的实施方式中，针对第二条件的m和n的值可以与针对第一条件的相同，也可以不同。根据以上描述可知，第二子条件决定了在采样时间点ti附近的一个时间段内，用户对视频内容是基本不感兴趣的(即用户感兴趣度低于平均值、第一行为概率高于均值，第二行为概率低于均值)，而用户兴趣度Di又是这个时间段内的最低值，因此可以认为在在所述用户兴趣度Di满足上述条件的情况下，可以判断所述采样时间点ti为用户不喜爱的时间点。
图3示出根据本公开一实施例的一种视频分析方法的流程图，图3中标号与图1、2相同的步骤具有相同的功能，为简明起见，省略对这些步骤的详细说明。其中步骤S13可以存在或不存在。如图3所示，所述方法还包括：
步骤S14，根据采样时间点ti与其附近的采样时间点的用户兴趣度以及所述视频所有采样时间点的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
在一种可能的实施方式中，可以根据Di-n……Di+n的均值以及所述视频所有采样时间点的用户兴趣度的均值D获得所述采样时间点ti的用户喜好值，例如，将Di-n……Di+n的均值与所述视频所有采样时间点的用户兴趣度的均值Dmean之间的差值作为所述采样时间点ti的用户喜好值，还可以乘以一个常数来获得更好的可视化效果，如下式所示：
其中，UPVi1表示采样时间点ti处的用户喜好值，C为常数。这样得到的就是一个“自相关”的结果；也就是说，相应的值将在本集剧目的内部进行比较。根据上述方式获得的用户喜好值越大表示用户越喜欢对应采样时间点附近的视频内容，用户喜好值越小表示用户越不喜欢对应采样时间点附近的视频内容。
根据本公开上述实施例的视频分析方法能够获得用户喜好或者不喜好时间点处的喜好值，所述喜好值的大小能够体现用户对不同时间点视频内容的喜好程度。并且可以实现视频内部横向比较，为视频运营提供参考信息，更好的衔接数据分析和视频运营工作，提高视频运营工作效率。
图4示出根据本公开一实施例的一种视频分析方法的流程图，图4中标号与图3相同的步骤具有相同的功能，为简明起见，省略对这些步骤的详细说明。其中步骤S13可以存在或不存在。如图4所示，所述方法还包括：
步骤S15，根据采样点时间点ti与其附近的采样时间点的用户兴趣度和多个视频的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
在一种可能的实施方式中，可以根据Di-n……Di+n的均值以及多个视频用户兴趣度的均值获得所述采样时间点ti的用户喜好值，例如，将Di-n……Di+n的均值与多个视频用户兴趣度的均值之间的差值作为所述采样时间点ti的用户喜好值，还可以乘以一个常数来获得更好的可视化效果。如下式所示：
其中，UPVi2表示采样时间点ti处的用户喜好值，Dmean1表示多个视频用户兴趣度的均值，C为常数。其中，所述多个视频用户兴趣度的均值可以是获取了上一个年度或者上一个季度大量的剧集数据之后，得到的一个代表所有剧集结果用户兴趣度的均值。这样得到的就是一个“大量相关”的结果，也就是说，不同的剧集之间就有了良好的可比性。
根据本公开上述实施例的视频分析方法能够获得用户喜好或者不喜好时间点处的喜好值，所述喜好值的大小能够体现用户对不同时间点视频内容的喜好程度，并且可以实现与其他视频之间的纵向比较，为视频运营提供参考信息，更好的衔接数据分析和视频运营工作，提高视频运营工作效率。
在一种可能实施方式中，对于用户喜爱的时间点(满足第一条件)和用户不喜爱的时间点(满足第二条件)，可以采用不同的方式计算用户喜好值，分别量化用户的喜爱程度和厌弃程度。本公开不限制用户喜好值的具体计算方法。
图5示出根据本公开一实施例的一种视频分析方法的应用场景的示意图，如图5所示，对于所有采样时间点ti对应的用户兴趣度D1……DN中的每一个(根据选取的m和n值较大者，例如n，对于前n个和后n个可以不进行分析)Di，分别判断其是否满足上述第一条件或者第二条件，在满足第一条件和第二条件之一的情况下，获取采样时间点ti的用户喜好值，在不满足第一条件和第二条件的情况下不进行分析。图5仅仅是一种示例，也可以先判断是否满足第二条件，再判断是否满足第一条件，在此不作限定。
在获取满足第一条件或者第二条件的采样时间点的用户喜好值之后，视频运营团队即可根据上述分析结果为视频添加相应的标签等；市场营销部门可以根据分析的结果获得用户目前的喜好(例如场景明星、剧情类型等)，为市场营销策略指定提供帮助；另外，编剧、编导或者其他创作者可以对分析结果进行学习，作为理论学习的辅助，有助于创作更好的影视作品等等。
实施例2
图6示出根据本公开一实施例的一种视频分析装置的框图，所述装置可应用于终端，例如，计算机、手机、平板电脑等，也可应用于服务器。如图6所示，该装置包括：用户兴趣度获得模块61和第一判断模块62。
该用户兴趣度获得模块61被配置为根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di，其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
该第一判断模块62被配置为在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点。
在一种可能的实施方式中，所述第一行为为快进行为，所述第二行为为回退行为。
在一种可能的实施方式中，所述第一条件包括：采样时间点ti附近的采样时间点满足第一子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最大值。
在一种可能的实施方式中，所述第一子条件包括：
所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值大于所述视频所有采样时间点的用户兴趣度的均值，并且，
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-n的第二行为概率Bi，Bi-1……Bi-n的均值大于所述视频所有采样时间点的第二行为概率的均值，并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+n的第一行为概率Fi，Fi+1……Fi+n的均值小于所述视频所有采样时间点的第一行为概率的均值。
通过对用户的行为进行量化分析实现对视频内容的分析，根据本公开实施例的视频分析装置能够快速的对用户行为信息(例如拖拽行为等)进行分析并转换成直观的数据，实现对视频内容的分析，为视频运营提供参考信息，更好的衔接数据分析和视频运营工作，提高视频运营工作效率。
图7示出根据本公开一实施例的一种视频分析装置的框图，图7中标号与图6相同的组件具有相同的功能，为简明起见，省略对这些组件的详细说明。如图7所示，所述装置还包括：第二判断单元63。
该第二判断单元63被配置为在所述用户兴趣度Di满足第二条件的情况下，将所述采样时间点ti判断为用户不喜爱的时间点。
在一种可能的实施方式中，所述第二条件包括：采样时间点ti附近的采样时间点满足第二子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最小值。
在一种可能的实施方式中，所述第二子条件包括：
所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值小于所述视频所有采样时间点的用户兴趣度的均值，并且
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-m的第二行为概率Bi，Bi-1……Bi-m的均值小于所述视频所有采样时间点的第二行为概率的均值，并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+m的第一行为概率Fi，Fi+1……Fi+m的均值大于所述视频所有采样时间点的第一行为概率的均值。
在一种可能的实施方式中，所述用户兴趣度获得模块61包括：计算单元611。
该计算单元611被配置为根据以下公式获得用户兴趣度Di：
Di＝1-(Fi-Bi)×A
其中A为常数。
在一种可能的实施方式中，所述装置还包括：第一用户喜好值获得模块64。
该第一用户喜好值获得模块64被配置为根据采样时间点ti与其附近的采样时间点的用户兴趣度以及所述视频所有采样时间点的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
在一种可能的实施方式中，所述装置还包括：第二用户喜好值获得模块65。
该第二用户喜好值获得模块65被配置为根据采样点时间点ti与其附近的采样时间点的用户兴趣度和多个视频的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
实施例3
图8是根据一示例性实施例示出的一种视频分析装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图8，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。
图9是根据一示例性实施例示出的一种视频分析装置1900的框图。例如，装置1900可以被提供为一服务器。参照图9，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是但不限于电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (21)
1.一种视频分析方法，其特征在于，包括：
根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；
在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；
其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
2.根据权利要求1所述的视频分析方法，其特征在于，所述第一条件包括：采样时间点ti附近的采样时间点满足第一子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最大值。
3.根据权利要求2所述的视频分析方法，其特征在于，所述第一子条件包括：
所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值大于所述视频所有采样时间点的用户兴趣度的均值，并且，
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-m的第二行为概率Bi，Bi-1……Bi-m的均值大于所述视频所有采样时间点的第二行为概率的均值，并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+m的第一行为概率Fi，Fi+1……Fi+m的均值小于所述视频所有采样时间点的第一行为概率的均值。
4.根据权利要求1所述的视频分析方法，其特征在于，所述方法还包括：
在所述用户兴趣度Di满足第二条件的情况下，将所述采样时间点ti判断为用户不喜爱的时间点。
5.根据权利要求4所述的视频分析方法，其特征在于，所述第二条件包括：采样时间点ti附近的采样时间点满足第二子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最小值。
6.根据权利要求5所述的视频分析方法，其特征在于，所述第二子条件包括：
所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值小于所述视频所有采样时间点的用户兴趣度的均值，并且
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-m的第二行为概率Bi，Bi-1……Bi-m的均值小于所述视频所有采样时间点的第二行为概率的均值，并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+m的第一行为概率Fi，Fi+1……Fi+m的均值大于所述视频所有采样时间点的第一行为概率的均值。
7.根据权利要求1至6中任意一项所述的视频分析方法，其特征在于，根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di，包括：
根据以下公式获得用户兴趣度Di：
Di＝1-(Fi-Bi)×A
其中A为常数。
8.根据权利要求1至6中任意一项所述的视频分析方法，其特征在于，所述方法还包括：
根据采样时间点ti与其附近的采样时间点的用户兴趣度以及所述视频所有采样时间点的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
9.根据权利要求1至6中任意一项所述的视频分析方法，其特征在于，所述方法还包括：
根据采样点时间点ti与其附近的采样时间点的用户兴趣度和多个视频的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
10.根据权利要求1至6中任意一项所述的视频分析方法，其特征在于，所述第一行为为快进行为，所述第二行为为回退行为。
11.一种视频分析装置，其特征在于，包括：
用户兴趣度获得模块，用于根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；
第一判断模块，用于在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
12.根据权利要求11所述的视频分析装置，其特征在于，所述第一条件包括：采样时间点ti附近的采样时间点满足第一子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最大值。
13.根据权利要求12所述的视频分析装置，其特征在于，所述第一子条件包括：
所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值大于所述视频所有采样时间点的用户兴趣度的均值，并且，
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-n的第二行为概率Bi，Bi-1……Bi-n的均值大于所述视频所有采样时间点的第二行为概率的均值，并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+n的第一行为概率Fi，Fi+1……Fi+n的均值小于所述视频所有采样时间点的第一行为概率的均值。
14.根据权利要求11所述的视频分析装置，其特征在于，所述装置还包括：
第二判断单元，用于在所述用户兴趣度Di满足第二条件的情况下，将所述采样时间点ti判断为用户不喜爱的时间点。
15.根据权利要求14所述的视频分析装置，其特征在于，所述第二条件包括：采样时间点ti附近的采样时间点满足第二子条件，且所述用户兴趣度Di为采样时间点ti附近的各采样时间点对应的用户兴趣度中的最小值。
16.根据权利要求15所述的视频分析装置，其特征在于，所述第二子条件包括：
所述采样时间点ti、所述采样时间点ti之前第一数量n的采样时间点ti-1……ti-n、以及所述采样时间点ti之后第一数量n的采样时间点ti+1……ti+n的用户兴趣度Di-n……Di+n的均值小于所述视频所有采样时间点的用户兴趣度的均值，并且
采样时间点ti与其之前第二数量m的采样时间点ti-1……ti-m的第二行为概率Bi，Bi-1……Bi-m的均值小于所述视频所有采样时间点的第二行为概率的均值，并且
采样时间点ti与其之后第二数量m的采样时间点ti+1……ti+m的第一行为概率Fi，Fi+1……Fi+m的均值大于所述视频所有采样时间点的第一行为概率的均值。
17.根据权利要求11至16中任意一项所述的视频分析装置，其特征在于，所述用户兴趣度获得模块包括：
计算单元，用于根据以下公式获得用户兴趣度Di：
Di＝1-(Fi-Bi)×A
其中A为常数。
18.根据权利要求11至16中任意一项所述的视频分析装置，其特征在于，所述装置还包括：
第一用户喜好值获得模块，用于根据采样时间点ti与其附近的采样时间点的用户兴趣度以及所述视频所有采样时间点的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
19.根据权利要求11至16中任意一项所述的视频分析装置，其特征在于，所述装置还包括：
第二用户喜好值获得模块，用于根据采样点时间点ti与其附近的采样时间点的用户兴趣度和多个视频的用户兴趣度的均值获得所述采样时间点ti的用户喜好值。
20.根据权利要求11至16中任意一项所述的视频分析装置，其特征在于，所述第一行为为快进行为，所述第二行为为回退行为。
21.一种视频分析装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
根据在视频的第i个采样时间点ti用户进行第一行为的第一行为概率Fi和用户进行第二行为的第二行为概率Bi获得采样时间点ti的用户兴趣度Di；
在所述用户兴趣度Di满足第一条件的情况下，将所述采样时间点ti判断为用户喜爱的时间点；
其中，所述第一行为包括表示用户不喜爱所述视频的内容的行为，所述第二行为包括表示用户喜爱所述视频的内容的行为。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710022423.7A CN106802946B (zh) | 2017-01-12 | 2017-01-12 | 视频分析方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710022423.7A CN106802946B (zh) | 2017-01-12 | 2017-01-12 | 视频分析方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106802946A true CN106802946A (zh) | 2017-06-06 |
| CN106802946B CN106802946B (zh) | 2020-03-27 |
Family
ID=58984316
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710022423.7A Active CN106802946B (zh) | 2017-01-12 | 2017-01-12 | 视频分析方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106802946B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019956A (zh) * | 2017-12-15 | 2019-07-16 | 优酷信息技术（北京）有限公司 | 视频的用户观看行为的分析方法及装置 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101489139A (zh) * | 2009-01-21 | 2009-07-22 | 北京大学 | 基于视觉显著度的视频广告关联方法与系统 |
| CN102486796A (zh) * | 2010-12-03 | 2012-06-06 | 腾讯科技（深圳）有限公司 | 获取视频信息的方法和装置 |
| CN102763105A (zh) * | 2010-02-23 | 2012-10-31 | 诺基亚公司 | 用于分段和概括媒体内容的方法和装置 |
| CN102957950A (zh) * | 2012-07-23 | 2013-03-06 | 华东师范大学 | 一种用于视频推荐的用户隐式评分方法 |
| CN103347167A (zh) * | 2013-06-20 | 2013-10-09 | 上海交通大学 | 一种基于分段的监控视频内容描述方法 |
| CN103365936A (zh) * | 2012-03-30 | 2013-10-23 | 财团法人资讯工业策进会 | 视频推荐系统及其方法 |
| CN103609128A (zh) * | 2011-06-17 | 2014-02-26 | 微软公司 | 基于环境传感的视频精彩片段标识 |
| CN103957433A (zh) * | 2014-03-31 | 2014-07-30 | 深圳市同洲电子股份有限公司 | 一种视频数据的处理方法、相关设备及系统 |
| CN104021162A (zh) * | 2014-05-28 | 2014-09-03 | 小米科技有限责任公司 | 一种为多媒体资源打分的方法及装置 |
-
2017
- 2017-01-12 CN CN201710022423.7A patent/CN106802946B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101489139A (zh) * | 2009-01-21 | 2009-07-22 | 北京大学 | 基于视觉显著度的视频广告关联方法与系统 |
| CN102763105A (zh) * | 2010-02-23 | 2012-10-31 | 诺基亚公司 | 用于分段和概括媒体内容的方法和装置 |
| CN102486796A (zh) * | 2010-12-03 | 2012-06-06 | 腾讯科技（深圳）有限公司 | 获取视频信息的方法和装置 |
| CN103609128A (zh) * | 2011-06-17 | 2014-02-26 | 微软公司 | 基于环境传感的视频精彩片段标识 |
| CN103365936A (zh) * | 2012-03-30 | 2013-10-23 | 财团法人资讯工业策进会 | 视频推荐系统及其方法 |
| CN102957950A (zh) * | 2012-07-23 | 2013-03-06 | 华东师范大学 | 一种用于视频推荐的用户隐式评分方法 |
| CN103347167A (zh) * | 2013-06-20 | 2013-10-09 | 上海交通大学 | 一种基于分段的监控视频内容描述方法 |
| CN103957433A (zh) * | 2014-03-31 | 2014-07-30 | 深圳市同洲电子股份有限公司 | 一种视频数据的处理方法、相关设备及系统 |
| CN104021162A (zh) * | 2014-05-28 | 2014-09-03 | 小米科技有限责任公司 | 一种为多媒体资源打分的方法及装置 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110019956A (zh) * | 2017-12-15 | 2019-07-16 | 优酷信息技术（北京）有限公司 | 视频的用户观看行为的分析方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106802946B (zh) | 2020-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106792170A (zh) | 视频处理方法及装置 | |
| WO2018157631A1 (zh) | 多媒体资源处理方法及装置 | |
| CN106355429A (zh) | 图像素材的推荐方法及装置 | |
| CN109257645A (zh) | 视频封面生成方法及装置 | |
| CN106960014A (zh) | 关联用户推荐方法及装置 | |
| CN107948708A (zh) | 弹幕展示方法及装置 | |
| CN104636164B (zh) | 启动页面生成方法及装置 | |
| CN110121083A (zh) | 弹幕的生成方法及装置 | |
| CN108833991A (zh) | 视频字幕显示方法及装置 | |
| CN107122430A (zh) | 搜索结果显示方法及装置 | |
| CN108924644A (zh) | 视频片段提取方法及装置 | |
| CN106791535A (zh) | 视频录制方法及装置 | |
| CN106550252A (zh) | 信息的推送方法、装置及设备 | |
| CN106599191A (zh) | 用户属性分析方法及装置 | |
| CN110121106A (zh) | 视频播放方法及装置 | |
| CN108495168A (zh) | 弹幕信息的显示方法及装置 | |
| CN110234030A (zh) | 弹幕信息的显示方法及装置 | |
| CN108156506A (zh) | 弹幕信息的进度调整方法及装置 | |
| CN110209877A (zh) | 视频分析方法及装置 | |
| CN107797741A (zh) | 界面展示方法及装置 | |
| CN107943550A (zh) | 界面展示方法及装置 | |
| CN106991018A (zh) | 界面换肤的方法及装置 | |
| CN110493637A (zh) | 视频拆分方法及装置 | |
| US20110167069A1 (en) | System and method for creating and providing media objects in a navigable environment | |
| CN109495765A (zh) | 视频截取方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20200422 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee after: Alibaba (China) Co.,Ltd. Address before: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C Patentee before: 1VERGE INTERNET TECHNOLOGY (BEIJING) Co.,Ltd. |
|
| TR01 | Transfer of patent right |
Effective date of registration: 20240616 Address after: 101400 Room 201, 9 Fengxiang East Street, Yangsong Town, Huairou District, Beijing Patentee after: Youku Culture Technology (Beijing) Co.,Ltd. Country or region after: China Address before: 310052 room 508, 5th floor, building 4, No. 699 Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Patentee before: Alibaba (China) Co.,Ltd. Country or region before: China |